[论文解读] Adaptive Observers and Parametric Identification for Systems in Non-canonical Adaptive Observer Form

Ivan Tyukin, Erik Steur+2 more|arXiv (Cornell University)|Mar 13, 2009

Stability and Controllability of Differential Equations参考文献 15被引用 7

一句话总结

本文提出了一种新颖的自适应观测器框架，适用于具有非线性参数化状态和时间的系统，通过利用弱吸引集和非一致收敛性，实现在持续激励条件下的渐近状态与参数重构。该方法通过容纳参数化中的非线性性，推广了标准自适应观测器设计，在参数化为线性时则退化为标准方案。

ABSTRACT

We consider the problem of asymptotic reconstruction of the state and parameter values in systems of ordinary differential equations. A solution to this problem is proposed for a class of systems of which the unknowns are allowed to be nonlinearly parameterized functions of state and time. Reconstruction of state and parameter values is based on the concepts of weakly attracting sets and non-uniform convergence and is subjected to persistency of excitation conditions. In absence of nonlinear parametrization the resulting observers reduce to standard estimation schemes. In this respect, the proposed method constitutes a generalization of the conventional canonical adaptive observer design.

研究动机与目标

• 解决具有非线性参数化动态系统的渐近状态与参数重构挑战。
• 将传统的自适应观测器理论扩展至参数在状态和时间中非规范形式（non-canonical）的系统。
• 在不依赖线性参数化的情况下，确保在持续激励条件下的鲁棒估计性能。
• 通过引入弱吸引集和非一致收敛性概念，推广标准自适应观测器设计。
• 提供一个统一框架，当参数化为线性时可退化为经典方案。

提出的方法

• 利用弱吸引集概念，确保观测器误差动态的收敛性。
• 应用非一致收敛性分析，以处理时变和非线性参数化系统。
• 设计一种观测器结构，可同时自适应估计状态和未知参数。
• 对输入或信号施加持续激励条件，以保证参数收敛。
• 引入基于李雅普诺夫的稳定性分析，专门适用于具有非线性参数化的非规范观测器形式。
• 基于所提框架，推导出状态与参数估计渐近收敛的充分条件。

实验结果

研究问题

• RQ1 在具有非线性参数化动态的系统中，如何实现状态与参数值的渐近重构？
• RQ2 在参数化关于状态和时间呈非线性时，观测器收敛的条件是什么？
• RQ3 所提方法如何推广标准规范形式自适应观测器设计？
• RQ4 弱吸引集与非一致收敛性在非规范形式中的观测器稳定性中起到何种作用？
• RQ5 在何种信号条件（如持续激励）下可保证参数识别？

主要发现

• 所提观测器在持续激励条件下，可确保状态与参数估计的渐近收敛。
• 当参数化为线性时，该方法退化为标准自适应观测器方案，证实与既有结果的一致性。
• 弱吸引集的使用使得即使在缺乏一致收敛性时也能实现收敛，从而扩大了适用范围。
• 非一致收敛性分析使该框架能够有效处理时变和非线性参数化系统。
• 该方法为非规范形式系统提供了一套系统化的观测器设计方法，扩展了自适应估计的适用范围。
• 理论框架通过基于李雅普诺夫类技术的稳定性分析得到验证，该技术专为非规范系统设计。